一种用于智能电子秤的水产品自动计价方法与流程

1.本发明涉及农产品流通技术领域，尤其涉及一种用于智能电子秤的水产品自动计价方法。


背景技术：

2.中国是一个渔业大国，也是一个世界级的水产养殖大国，2019年中国水产养殖总产值就达到了12572.4亿元，占农业总产值的19％。因此水产养殖是我国国民经济的重要来源之一。在水产品流通过程中，不同类别和状态的水产品具有不同的经济价值和使用价值，为了增加水产品的市场价格，最大程度保障经济效益，在水产品流通过程中有一道重要的工序，即水产品类别识别。
3.目前，我国水产品流通过程中，对水产品的分类主要采取人工识别的方法，但是这种方式不仅需要对识别者进行长期的培养，不同素质的识别者可能会带来不同的结果，无法保证识别结果的准确性，而且在识别过程中智能化程度低、效率低下、劳务强度大，对水产品在流通过程中快速而准确的计价不利。


技术实现要素：

4.本发明提供了一种用于智能电子秤的水产品自动计价方法，该方法考虑了市场内水产品销售时存在大小规格差异和存放差异所造成的产品价格差别，解决了现有智能电子秤无法有效识别此类特殊差异的水产品的问题，且大大提高了水产品识别的准确率。
5.具体技术方案如下：
6.一种用于智能电子秤的水产品自动计价方法，包括以下步骤：
7.(1)向智能电子秤内输入由水产品名称、大小规格和保鲜状态所组成的所有水产品的基本信息和相应单价，以及以图像中水产品所占像素点数量为依据的大小规格分类标准，收集所有水产品的图片信息，将图片信息及所对应的水产品名称信息作为训练集导入至模型中进行模型训练，构建得到水产品智能识别模型；
8.(2)利用智能电子秤采集待出售水产品的图像信息、重量信息和温度信息，将水产品的图像信息输入至步骤(1)的水产品智能识别模型中，得出置信度最高的水产品名称结果；
9.(3)调取智能电子秤内步骤(2)所得水产品名称结果所对应的大小规格信息，判断该水产品是否存在大小规格的差异；
10.若存在大小规格差异，进行步骤(4)；若不存在大小规格差异，则进行步骤(5)；
11.(4)调取步骤(2)获得的图像信息，选择若干张图片，统计照片中水产品所占像素点的平均数量，并与智能电子秤内输入的大小规格分类标准进行比对，得出水产品所对应的大小规格，作为水产品识别结果；
12.(5)调取智能电子秤内步骤(2)所得水产品名称结果所对应的保鲜状态信息，判断该水产品是否存在保鲜状态的差异；
13.若存在保鲜状态差异，进行步骤(6)；若不存在保鲜状态差异，则以步骤(2)的水产品名称或步骤(4)包含大小规格的水产品名称作为水产品识别结果；
14.(6)调取步骤(2)获得的温度信息，根据温度信息，判断该水产品属于新鲜水产品、冰鲜水产品、冰冻水产品中的哪一种；若属于冰鲜水产品或冰冻水产品，则将该结果作为水产品识别结果；若属于新鲜水产品，则进行步骤(7)；
15.(7)调取步骤(2)获得的图像信息，选择至少两帧以上且间隔2秒以上的图片，将每张图片均匀分割成四个等分的子图片，统计每个子图片中水产品所占的像素点，并计算各子图片中水产品所占的像素点比例，判断两两图片之间各子图片中水产品所占的像素点比例是否发生变化；若比例发生变化，则判定该水产品为新鲜且活的水产品，并以该结果作为水产品识别结果；若比例未发生变化，则判定为新鲜但死的水产品，并以该结果作为水产品识别结果；
16.(8)根据步骤(4)～(7)所获得的水产品识别结果，调取智能电子秤内水产品的单价，再根据步骤(2)所获得的重量信息，自动计算待出售水产品的价格。
17.进一步地，步骤(1)中，所述图片信息为每种水产品的多组照片，照片总数量为1000～2000张。
18.进一步地，步骤(1)中，将图片信息及所对应的水产品名称信息分为训练集、测试集和验证集进行模型的训练，构建得到水产品智能识别模型。
19.更进一步地，所述水产品智能识别模型的构建过程如下：
20.(1)在pc端，在tensorflow lite算法运行框架下运行efficientnet模型，其中efficientnet模型参数为epoch＝30，batch_size＝16，learning_rate＝0.01，dropout_rate＝0.5，使用训练集对模型进行参数训练；
21.(2)在tensorflow lite算法运行框架下运行efficientnet模型，使用验证集对模型参数进行调整和确定；
22.(3)在tensorflow lite算法运行框架下运行efficientnet模型，使用测试集对模型进行测试，要求模型精度高于90％；
23.(4)精度达到要求之后，使用工具将该模型转换为tflite模型，使其可以在安卓端使用。可采用toco工具及tensorflow lite优化转换器将该模型转换为tflite模型。
24.进一步地，步骤(4)中，选取三张图片，统计照片中水产品所占像素点的平均数量。
25.进一步地，步骤(6)中，新鲜水产品的温度范围为10℃～25℃；冰鲜水产品的温度范围为0℃～6℃；冰冻水产品的温度范围为-18℃～0℃；所述智能电子秤的称量平台下方安装有红外温度传感器。
26.进一步地，步骤(7)中，选择三帧且间隔2秒的图片。
27.与现有技术相比，本发明具有以下有益效果：
28.本发明通过像素点区域识别和分隔子图片判断像素点的变化差异来区分不同大小规格以及不同保鲜状态的相同水产品，再配合水产品智能识别模型，显著提高了智能电子秤的识别能力，实现了智能电子秤对水产品的自动化计价。
附图说明
29.图1为本发明用于智能电子秤的水产品自动计价方法的流程图。
具体实施方式
30.下面结合具体实施例对本发明作进一步描述，以下列举的仅是本发明的具体实施例，但本发明的保护范围不仅限于此。
31.实施例1
32.一种用于智能电子秤的水产品自动计价方法，具体步骤为：
33.(1)向智能电子秤内输入由水产品名称、大小规格和保鲜状态所组成的所有水产品的基本信息和相应单价，以及以图像中水产品所占像素点数量为依据的大小规格分类标准，收集所有水产品的图片信息，将图片信息及所对应的水产品名称信息分为训练集、测试集和验证集，导入至模型中进行模型训练，构建得到水产品智能识别模型；
34.对于价格上没有大小规格差异和保鲜状态差异的水产品，只需输入水产品的名称即可；若存在大小规格或保鲜状态差异，则需要输入根据大小规格或保鲜状态所做的名称限定(例如：大黄鱼和小黄鱼，大鲍鱼和小鲍鱼；新鲜活草鱼、新鲜死草鱼，冰鲜带鱼、冷冻带鱼等)；上文的图片信息为每种水产品的多组照片，照片总数量可以为1000～2000张；可以是不同环境下、不同时间、不同角度的照片，以确保模型能够更好地进行识别。
35.上文的水产品智能识别模型的构建过程如下：
36.(a)在pc端，在tensorflow lite算法运行框架下运行efficientnet模型，其中efficientnet模型参数为epoch＝30，batch_size＝16，learning_rate＝0.01，dropout_rate＝0.5，使用训练集对模型进行参数训练；
37.(b)在tensorflow lite算法运行框架下运行efficientnet模型，使用验证集对模型参数进行调整和确定；
38.(c)在tensorflow lite算法运行框架下运行efficientnet模型，使用测试集对模型进行测试，要求模型精度高于90％；
39.(d)精度达到要求之后，采用toco工具及tensorflow lite优化转换器将该模型转换为tflite模型，使其可以在安卓端使用。
40.除efficientnet深度学习模型外，也采用过其他模型进行测试，例如resnet、mobilenet，但是在运行速度、精度上并不理想；resnet的模型大小为81.3m，针对嵌入式设备来说偏大，会导致运行速度跟不上；mobilenet针对水产品产品的精度不足20％，远远达不到实际的精度需求。除tensorflow lite的算法运行框架外，也采用过其他深度学习框架，例如pytorch、tensorflow，但是同样在运行速度和精度上并不理想，pytorch框架运行efficientnet的速度约为5s/img，tensorflow运行efficientnet的速度约为5.5s/img，两者都无法满足实际的运行速度要求，而tensorflow lite框架下模型大小为3.8m，树莓派4b运行速度约为0.4s/img，在数据集下精度达到90％以上，符合实际的应用需求。
41.(2)利用智能电子秤采集待出售水产品的图像信息、重量信息和温度信息，将水产品的图像信息输入至步骤(1)的水产品智能识别模型中，得出置信度最高的水产品名称结果；
42.当获得多组置信度高的结果时，智能电子秤操作人员可以协助智能电子秤筛选更为准确的水产品名称结果，也可以让智能电子秤直接选择置信度最高的水产品名称结果，人工进行校对；若结果正确，不做操作，若结果不正确，做人工调整。
43.图像信息是通过智能电子秤上方的摄像头获得，重量信息是通过智能电子秤称量
平台的重量感应器获得，智能电子秤的称量平台下方还安装有红外温度传感器；智能电子秤显示器与树莓派连接，数据处理功能、图像识别算法等均部署在树莓派上，同时通过线路与重量感应器、摄像头和红外温度传感器连接。
44.(3)调取智能电子秤内步骤(2)所得水产品名称结果所对应的大小规格信息，判断该水产品是否存在大小规格的差异；
45.若存在大小规格差异，进行步骤(4)；若不存在大小规格差异，则进行步骤(5)；
46.(4)调取步骤(2)获得的图像信息，选择若干张图片，统计照片中水产品所占像素点的平均数量，并与智能电子秤内输入的大小规格分类标准进行比对，得出水产品所对应的大小规格，作为水产品识别结果；
47.其中，大小规格的分类标准以水产品所占像素点的数量作为判断依据，在前期数据输入时就直接输入至智能电子秤内部；照片数量一般为3～5张，以确保出现因水产品放置于平台时的角度而造成的误差。
48.(5)调取智能电子秤内步骤(2)所得水产品名称结果所对应的保鲜状态信息，判断该水产品是否存在保鲜状态的差异；
49.若存在保鲜状态差异，进行步骤(6)；若不存在保鲜状态差异，则以步骤(2)的水产品名称或步骤(4)包含大小规格的水产品名称作为水产品识别结果；
50.(6)调取步骤(2)获得的温度信息，根据温度信息，判断该水产品属于新鲜水产品、冰鲜水产品、冰冻水产品中的哪一种；若属于冰鲜水产品或冰冻水产品，则将该结果作为水产品识别结果；若属于新鲜水产品，则进行步骤(7)；
51.新鲜水产品的温度范围为10℃～25℃；冰鲜水产品的温度范围为0℃～6℃；冰冻水产品的温度范围为-18℃～0℃。
52.(7)调取步骤(2)获得的图像信息，选择至少两帧以上且间隔2秒以上的图片(可以选择三帧且间隔2秒的图片)，将每张图片均匀分割成四个等分的子图片，统计每个子图片中水产品所占的像素点，并计算各子图片中水产品所占的像素点比例，判断两两图片之间各子图片中水产品所占的像素点比例是否发生变化；若比例发生变化，则判定该水产品为新鲜且活的水产品，并以该结果作为水产品识别结果；若比例未发生变化，则判定为新鲜但死的水产品，并以该结果作为水产品识别结果；
53.(8)根据步骤(4)～(7)所获得的水产品识别结果，调取智能电子秤内水产品的单价，再根据步骤(2)所获得的重量信息，自动计算待出售水产品的价格。